# 1. GitOps（ArgoCD、Flux）、Platform Engineering 的真实职业发展路径 A Platform Engineering 只是会搭 ArgoCD B GitOps 以 Git 为声明式单一事实来源，Platform Engineering 聚焦把基础设施产品化为自服务能力，职业路径是从工具能力升级为平台产品能力 ✓ 正确答案 C GitOps 与 Kubernetes 无关 D 平台工程不需要工程思维
# 2. Agent 框架（LangGraph、AutoGen、CrewAI）当前的真实工程成熟度 A Agent 框架已完全成熟可全自动生产 B Agent 行为无需可观测性 C 所有 Agent 框架功能完全相同 D LangGraph、AutoGen 等早期快速演进，关键在稳定性、失败恢复、可观测性与预算控制，适合探索与轻度生产 ✓ 正确答案
# 3. Edge Functions 的真实复杂业务处理能力 A Edge Functions 可处理任何复杂业务 B Edge Functions 有持久状态 C 其运行时长与资源受限、无持久状态，适合无状态轻量业务，复杂逻辑需拆分边缘与中心执行 ✓ 正确答案 D 边缘函数适合所有重计算
# 4. GPT-5 等下一代 LLM 的真实预期（条件化）与开源 LLM 的当前成熟度边界 A 下一代 LLM 的能力可精确预测 B 对下一代 LLM 应以趋势条件化推演，开源 vs 闭源按任务在成本/隐私/可定制与顶尖能力间权衡 ✓ 正确答案 C 开源 LLM 已完全超越闭源 D 闭源 LLM 总是优于开源
# 5. MoE（混合专家）模型与 SLM（小模型）在端侧的真实部署经验 A MoE 最适合端侧部署 B MoE 稀疏激活控制推理成本，SLM 低资源适合端侧，端侧部署需量化、裁剪、硬件适配与端云协同 ✓ 正确答案 C 端侧可直接部署任意大模型 D 量化对精度毫无影响
# 6. Server Components、Islands Architecture（Astro）、Signals 在状态管理的真实应用 A 三者分别优化加载 JS、交互 JS 与运行时更新，可按应用形态组合使用 ✓ 正确答案 B 三者必须互斥选择 C Signals 依赖整树重渲染 D Islands 适合交互密集应用
# 7. WebAssembly 运行时（Wasmtime、Wasmer）在企业的真实生产经验与边缘计算场景 A Wasm 可完全替代所有应用 B Wasm 无法跨平台 C Wasm 用于沙箱插件与边缘函数的真实价值是可移植、隔离与性能，落地需权衡生态与调试成本 ✓ 正确答案 D Wasmtime 与 Wasmer 功能完全相同
# 8. 向量数据库与传统数据库的真实融合趋势与 Lakehouse 在 AI 训练数据的价值 A 独立向量数据库总是优于内嵌方案 B 传统数据库内嵌向量能力是融合趋势，Lakehouse 统一数据治理支撑 AI 就绪数据 ✓ 正确答案 C Lakehouse 只适合非 AI 数据 D 向量检索与语义无关
# 9. Event Sourcing、CQRS 当前的真实企业落地经验 A ES 以事件流为事实来源、CQRS 读写分离，收益是审计与模型优化，但复杂度高，宜选择性应用在需审计/复杂状态模块 ✓ 正确答案 B ES+CQRS 适合所有系统 C 事件无需版本演进 D 投影同步无需监控
# 10. Kotlin 协程 vs Go goroutine 的真实工程取舍 A Kotlin 协程基于 JVM 与结构化并发适合 JVM 生态，Go goroutine 原生轻量并发适合高并发服务，取舍取决于技术栈与场景 ✓ 正确答案 B 两者完全等价 C Go goroutine 无法处理高并发 D Kotlin 协程不受 JVM 影响
# 11. Service Mesh 在几十个服务的小集群中引入的复杂度是否值得，哪些收益明确、哪些场景应推迟引入？ A Service Mesh 必然适合所有集群 B sidecar 无资源开销 C 小集群引入需权衡 sidecar 复杂度与 mTLS 等收益，无强安全/治理需求时推迟引入更理性 ✓ 正确答案 D Service Mesh 只适合大规模集群
# 12. Stream-Table Duality 在 AI 推理反馈的真实应用 A 流与表是完全不同的数据 B 流处理无法物化视图 C 流与表是同一数据的两种视图，能把推理反馈流物化为可查询状态，驱动实时特征与评估闭环 ✓ 正确答案 D 反馈流与模型无关
# 13. Video Generation（Sora、Runway）、Music/Audio Generation 的真实工程场景 A 视频生成可直接全自动成片 B 音频生成无需版权考量 C 视频/音频生成多为内容生产加速器，需人工+审核闭环，并评估成本、可控性与版权 ✓ 正确答案 D 视频生成成本低且可控
# 14. 前端构建工具当前的真实演进与 Web Components 融合边界 A Webpack 永远是最优 B Web Components 会取代所有框架 C 构建工具正转向 Vite/Rolldown 等快工具，Web Components 适合封装隔离与跨框架复用而非复杂状态应用 ✓ 正确答案 D Web Components 与构建工具无关
# 15. AI 模型未来 2-3 年的真实趋势条件 A 应基于算力/数据/成本等信号条件化推演，确定性是能力提升与成本下降，不确定是具体突破，需评测驱动按需采用 ✓ 正确答案 B 可精确预测具体能力突破 C 模型成本只会上升 D 趋势判断无需标注不确定性
# 16. 区块链/Web3 在企业场景的真实落地为何远少于媒体报道 A 区块链技术有缺陷 B 区块链完全无价值 C 多数企业场景不需要去中心化，且性能、成本、合规障碍明显，真实价值集中在溯源、存证等特定场景 ✓ 正确答案 D 媒体叙事与真实落地一致
# 17. 生成式 AI 在企业落地的真实节奏判断，应剔除哪些市场宣传偏差 A 厂商 demo 能力即生产能力 B 生成式 AI 已全流程替代人工 C PoC 数量即生产采用 D 应剔除能力夸大、过度承诺、采用率虚高与成本回避偏差，按任务 ROI 与评测分阶段推进 ✓ 正确答案
# 18. CSS Anchor Positioning、WebGPU、WebCodecs 在产品 CSS 与视频场景的真实收益 A 三者功能完全相同 B WebCodecs 与视频处理无关 C WebGPU 已完全兼容所有浏览器 D 分别解决 CSS 定位、GPU 图形计算与视频编解码，真实收益取决于场景匹配与浏览器兼容性 ✓ 正确答案
# 19. React Server Actions、View Transitions 在生产部署的真实稳定性 A 两者都完全稳定 B 稳定性取决于框架版本、API 演进与降级策略，Server Actions 需处理失败与安全，View Transitions 宜作渐进增强 ✓ 正确答案 C View Transitions 不兼容时功能崩溃 D Server Actions 无需关注安全
# 20. Rust 在后端、Bun/Deno 在生产的真实替代边界 A Rust 应替代所有后端 B Bun 完全兼容所有 Node 项目 C Rust 用于性能瓶颈子系统、Bun/Deno 用于新项目/轻依赖场景，需权衡性能收益与生态/迁移成本 ✓ 正确答案 D Deno 无法运行 TypeScript
# 21. Serverless GPU、Confidential Computing 在云厂商的真实落地 A Serverless GPU 适合所有 AI 负载 B TEE 无性能开销 C Serverless GPU 适合间歇推理负载，Confidential Computing 通过 TEE 保护使用中数据，都需按场景评估成本与边界 ✓ 正确答案 D Confidential Computing 适合所有数据
# 22. Serverless 与容器化在团队中的真实并存与边界 A Serverless 会完全取代容器化 B 容器化适合所有负载 C 两者按负载形态互补——Serverless 适合间歇/事件驱动，容器化适合持续/状态/复杂编排，需建立选择标准 ✓ 正确答案 D Serverless 无冷启动成本
# 23. Web 平台新 API（View Transitions、Anchor Positioning、Popover、Selectlist）落地节奏的真实差异 A 所有新 API 落地节奏相同 B 新 API 无需降级策略 C Selectlist 已完全成熟 D 落地差异源于浏览器支持与规范稳定度，Popover/View Transitions 较成熟，需用特性检测、渐进增强与降级落地 ✓ 正确答案
# 24. Gartner Hype Cycle 的五个阶段（技术触发、期望膨胀顶峰、幻灭低谷、启蒙斜坡、生产力高原）如何用于给一项新技术标注当前所处阶段，并结合开源活动、生产案例与招聘数据校正厂商叙事在曲线上的位置？ A Hype Cycle 只能用于学术研究 B 招聘数据与阶段无关 C 厂商叙事可直接作为阶段判断依据 D 用炒作-价值比值定位阶段，并用开源活动、生产案例与招聘数据交叉验证以校正厂商叙事在曲线上的位置 ✓ 正确答案
# 25. 如何用 Rogers 创新扩散五类采用者与 Moore 的‘跨越鸿沟’判断技术是否进入主流市场，早期市场与主流市场需求分化时个人技术投入与产品策略如何调整？ A 早期市场与主流市场需求相同 B 跨越鸿沟与产品策略无关 C 创新者只占总数的 34% D 早期市场买愿景、主流市场买完整产品，判断进入主流看完整产品与主流信号，个人投入与产品策略需按鸿沟位置调整 ✓ 正确答案
# 26. 数据网格（Data Mesh）的真实落地边界与 Snowflake/Databricks/BigQuery 真实对比 A Data Mesh 适合所有团队 B 三个数据平台完全等价 C Data Mesh 是组织+数据范式，适合组织复杂、数据规模大的企业，Snowflake/Databricks/BigQuery 按云生态与场景选择 ✓ 正确答案 D 数据平台选型与云无关
# 27. WebAssembly、eBPF、Rust 等'通用化'趋势在哪些场景仍然受限 A 三者已完全通用 B Rust 生态已全面成熟 C eBPF 不依赖内核版本 D WebAssembly 受系统接口/调试限制、eBPF 受内核/平台限制、Rust 受生态/成本限制，通用化是渐进过程 ✓ 正确答案
# 28. eBPF 在可观测性（Pixie、Beyla）、网络（Cilium）、安全（Falco、Tetragon）的真实工程价值 A eBPF 提供内核级无侵入的观测（Pixie/Beyla）、网络（Cilium）与安全（Falco/Tetragon）能力，价值是低开销且不改应用代码 ✓ 正确答案 B eBPF 只能用于网络 C eBPF 不依赖内核版本 D eBPF 可观测性需大量埋点
